Beiträge von Sim

    Hallo zusammen,
    ich arbeite bei Simcon und freue mich, dass ihr euch für den AI Solver interessiert und einige die Research Preview auf der Webseite auch schon getestet haben. Wie richtig vermutet ist die Veröffentlichung bei Emmi eine Entwicklung, bei der wir beteiligt sind.
    Wenn ihr mehr darüber erfahren wollt wie er funktioniert, was er aktuell kann und was nicht, und wohin wir ihn entwickeln, könnt ihr hier auf unserer Webseite nachlesen: Bitte melden Sie sich an, um diesen Link zu sehen.
    Dort ist die Research Preview ebenso erreichbar, und ein wenig mehr in den Kontext des Spritzgießens gesetzt.

    Da es hier aber teilweise falsche Vermutungen gab, ein paar Punkte in Kürze:
    Das Modell interpoliert nicht zwischen vorgerechneten Simulationen, und die Geometrien in der Demo hat es im Training nie gesehen. Es läuft auch kein Varimos oder Cadmould im Hintergrund, es ist ein komplett eigenständige Lösung. Es ist ein Transformer-basiertes neuronales Netz, trainiert auf mehreren hundert Terabyte Simulationsdaten. Eingabe ist die vollständige Konfiguration (Geometrie, Material, Prozessparameter und Gates - außerhalb der Demo auch mehr als zwei). Ausgabe sind vorhergesagte Spatiotemporal Fields (in der Research Preview für Füllgrad, Druck, Temperatur und Scherrate) und dabei werden u.a. auch die Materialeigenschaften berücksichtigt.

    Mehrere Anspritzpunkte gehen von einem vorgeschalteten balancierten Angusssystem aus, was zu gleichem Druck und unterschiedlichen Volumenströmen führt. Der eingestellte Volumenstrom ist nicht der pro Anspritzpunkt, sondern die Summe beider Volumenströme.

    Ist das Modell perfekt? Nein. Die Research Preview hat noch Schwächen, die wir auch in dem Artikel aufzeigen. Extreme Setups können Fehler erzeugen, das Fließverhalten in eingefrorenen Bereichen ist teilweise unrealistisch, und kleine Features können von der Schmelzefront übersprungen werden. Das Modell ist aber aktiv in Weiterentwicklung und Training und wird stetig umfangreicher und besser. Wir erwarten, dass der AI Solver insbesondere zur schnellen Design-Iteration und Optimierung über große Parameterräume eingesetzt wird, weil er in Sekunden gute Ergebnisse liefert - mittelfristig erwarten wir, dass klassische Solver weiterhin zur Validierung verwendet werden.

    Wir stehen für Rückfragen und Feedback jederzeit zur Verfügung und freuen uns über einen offenen Austausch, um mögliche Unklarheiten oder Annahmen gemeinsam transparent zu klären.